传统利用水下声学定位系统的航行器自定位存在两方面问题, 一方面没有考虑测量周期内航行器的运动, 另一方面没有考虑水声声速的不确定。为解决上述问题, 构建了航行器运动状态下的时间测量定位模型, 并对声速不确定性进行建模。分别推导了基于加权最小二乘的运动航行器定位方法和基于最大似然估计的声速更新方法。利用所提模型和时间测量, 不仅可以估计航行器位置, 还可以更新声速。仿真结果验证了本文所提方法在各种参数设置下均优于现有方法, 并且在时间测量噪声不大时可以达到克拉美罗下界(Cramer-Rao lower bound, CRLB), 在时间误差不大时, 声速更新结果显著提高。

伪装是欺骗观察者感知系统的一种手段, 善于伪装的个体在纹理特征上与背景具有高度的相似性。为解决前景与背景因相似而导致的像素归属歧义, 提出一种基于定位和补偿网络(locating and compensation network, LCNet)的伪装目标分割网络。该方法效仿了捕食者从搜索→确立→聚焦的寻猎过程, 涵盖双主干网的强感知提取、定位模块的双注意力以及级联的非对称补偿模块的细化像素模糊。实验表明, 在4种评价指标下, LCNet在3个具有挑战的伪装数据集上都显著优于现有的6种最新模型, 具有较高分割性能。

深度卷积神经网络在各个领域都表现出很好的效果, 与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题, 提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNet V2进行融合, 提升网络特征提取能力, 并利用融合后的网络对原始YOLOv5的骨干网络进行重构, 显著降低了网络的计算量和内存占用, 同时, 引入可变形卷积以提升网络的检测性能。道路监控图像和VOC、COCO数据集测试结果表明, 所提出的模型在保持检测精度的前提下, 将参数量和模型尺寸降低了90%, 计算量仅为原始模型的18%, 实现了检测模型的轻量化, 更有助于在计算资源有限和对实时性要求高的场景中部署。

广义线性结构广泛用于解决共平台系统中同相/正交相位(in-phase/quadrature-phase, IQ)不平衡引起的自干扰镜像信号残留问题。由于在共轭项维度上的拓展, 输入信号间的相关性使得用于实现权值向量自适应更新的广义线性复数最小均方(widely linear complex least mean square, WLCLMS)算法出现明显的收敛速度下降。针对这一问题, 本文提出了一种二维正交化方法, 通过特征值分解实现输入信号在样本延时以及共轭项两个维度上的去相关。同时建立了包括格形预测器、基于梯度的白化器, 以及数字对消器三级结构的自适应二维正交化WLCLMS模型, 实现了时变环境中自干扰信号的实时跟踪。仿真结果表明, 该方法在有效提升收敛速度的同时, 有着稳定的稳态误差性能, 并且针对系统采样率、滤波器阶数、IQ不平衡量的变化具有良好的鲁棒性。

在有限信噪比情况下, 雷达对多目标的检测性能受限于参数估计精度和发射脉冲积累, 而波形设计为雷达性能提升提供了自由度。本文以信噪比为约束条件, 以假设概率与设计波形的加权和迭代波形发射, 分阶段提出了基于单假设互信息最大化、基于多假设间互信息最小化的波形优化方法, 实现了提升参数估计精度与降低发射脉冲次数的均衡处理。仿真验证了目标参数估计精度与目标检测性能间呈正相关关系, 结果表明，基于双阶段互信息准则设计的波形能够快速检测多目标方位, 提升目标检测性能。

针对传统聚类方法在处理复杂电磁环境下的雷达信号时存在的聚类质量低、参数需要人为设置、易受孤立噪声脉冲干扰等问题, 提出一种基于数据场联合决策图改进的高斯混合模型(Gaussian mixture model, GMM)聚类算法。将数据场理论应用于数据对象密集程度的表征, 生成势能距离决策图, 进而自动实现聚类数目和中心点的选择, 最后结合GMM聚类实现对数据对象的聚类划分。仿真实验结果表明, 在脉冲到达角、脉宽、载频等参数存在较大抖动, 测量误差以及存在孤立噪声脉冲干扰和脉冲丢失时, 本文方法相较于现有典型分类方法具有更好的分选效果。

针对现有采用时频图结合深度学习模型对低截获概率(low probability of intercept, LPI)雷达信号识别的方法在开集场景下会失效的问题, 提出一种基于互易点学习(reciprocal point learning, RPL)和阈值判断的雷达信号开集识别方法。通过RPL对特征空间进行优化, 使已知类和未知类信号样本在特征空间中分布不同, 最后确定合适的阈值进行开集识别。根据时频图的特点, 在特征提取网络中加入注意力机制使网络更关注图像能量聚集的有效部分。实验结果表明, 该方法在开放的电磁环境条件下具有良好的适应性。

基于星载合成孔径雷达(synthetic aperture radar, SAR)的洪水区域提取可对洪灾信息进行高效提取。然而, 传统提取方法往往时间复杂度较高, 严重影响了洪灾区域获取的时效性。基于改进迭代阈值分割原理, 本文提出了一种星载SAR图像洪水区域快速提取方法。首先, 对预处理后的SAR图像进行高斯拟合再抽样, 抑制SAR图像直方图异常点的影响。其次, 利用迭代阈值算法进行水体提取, 并基于形态学滤波对噪声进行抑制。最后, 对已识别的水体区域开展变化检测, 实现洪灾区域的提取。基于2020年7月鄱阳湖流域特大洪灾前后的哨兵-1 SAR图像, 本文开展了洪水区域提取对比试验。试验结果表明, 该方法可在保证洪水区域提取精度的同时, 显著提升处理效率。

主瓣欺骗式干扰与真实目标具有相同角度, 传统相控阵雷达无法在空域对其进行区分, 严重降低了对真实目标的探测性能。针对此问题, 本文在频率分集阵列多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达中提出一种基于二次补偿的抗主瓣欺骗式干扰方法。首先, 通过对脉内主值距离进行前移补偿和对距离频率进行后移补偿, 等效于将欺骗式干扰从方向图主瓣搬移到旁瓣。然后, 借助奇异谱分析技术进行样本筛选以获得干扰协方差矩阵。最后，利用自适应波束形成的方法对干扰进行抑制。仿真实验验证了所提抗干扰方法的有效性。

针对全息穿透雷达应用于无损探测时非平整表面杂波干扰难题, 提出一种基于双频对消的非平整表面杂波抑制方法。该方法首先在设定条件下获取高低两种频率下的雷达回波数据, 并建立相应回波信号模型。通过分析不同频率雷达回波中目标信号与非平整表面信号特点, 结合理论推导估算模型中的各项参数, 并拟合出表面回波的近似值, 最后与原回波对消以抑制雷达图像中的非平整表面杂波。通过仿真与实测数据实验, 验证了所提方法的有效性。

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。

为了应对基于数字射频存储的各种欺骗干扰信号, 提出了一种基于稀疏表示分类的欺骗干扰识别算法。通过小波包分解重构把信号划分为不同频段, 然后对信号提取三阶累积量切片特征构造特征矩阵, 并利用奇异值分解对特征进行降维, 提取主要分量。最后利用稀疏表示分类在不同频段上对信号进行分类识别, 利用决策融合的方法对分类结果进行整合。经验证, 该方法具有很好的抗噪性能, 能够有效识别几种常见的欺骗干扰信号, 在信噪比为0 dB时, 欺骗干扰平均识别率达到90%以上, 并与其他欺骗干扰识别方法进行了对比, 显示了所提方法的优越性。

雷达高度计是一种重要的海洋微波遥感器, 利用雷达高度计观测海面动力高度是进行全球尺度海洋监测的有效手段。近年来, 雷达高度计逐渐从实孔径模式向合成孔径模式发展, 从Ku频段向Ka频段发展, 观测的精度和分辨率得到了较大提升。首先研究了Ka频段合成孔径雷达高度计的全链路数据处理方法, 包括回波预处理、改进的回波模型、回波重跟踪, 然后基于国内首次Ka频段海面机载试验数据进行参数反演, 并采用平均海面高模型数据进行验证。数据处理结果证明了数据处理方法的正确性。

频率分集阵(frequency diverse array, FDA)多输入多输出(multiple-input and multiple-output, MIMO)雷达可利用距离维自由度在发射-接收频率域内对欺骗式干扰进行抑制。但当存在目标导向矢量失配和协方差矩阵估计误差时，其抗干扰性能损失严重。针对该问题, 在FDA-MIMO雷达中提出了一种基于稳健波束形成的抗干扰方法。首先, 对剔除了残留噪声的Capon谱估计器在信号(或干扰)域内积分来构造期望信号(或干扰)导向矢量; 然后, 利用不同信号导向矢量间的正交性获得干扰功率并重构干扰加噪声协方差矩阵; 最后, 用更精确的导向矢量和重构矩阵计算自适应波束形成器的最优权值, 提高干扰抑制性能。仿真实验验证了所提方法的有效性。

面向动态指控过程中指挥权限跨域重构与资源点对点动态调配需求, 基于区块链技术设计了动态指控组织架构模型, 在此基础上分别研究了基于认证联盟与共识阈值的权限流转模型、基于任务表单和装备表单的任务执行模型, 并依托智能合约建立了应急响应机制, 为动态指控中指挥权限可信流转与装备点对点访问提供了解决方案。通过Hyperledger Fabric搭建原型系统, 实验结果证明了方案具备可信性与较好的运行效率。

通过体系作战下的系统作战仿真平台, 利用强化学习方法实时调整巡航导弹航迹, 实现面对敌方传感器的动态隐身。以巡航导弹突防美军“海军综合防空火控”系统为典型作战场景, 基于体系作战仿真平台设计了一种引入动态预警威胁和拦截脱靶量的奖励函数, 使用深度确定性策略梯度算法训练巡航导弹突防模型, 模型训练完成后巡航导弹通过感知预警机和拦截导弹的状态, 改变其机动轨迹以降低探测概率和提高拦截脱靶量, 达到动态隐身的效果, 进而提升其战场生存能力和突防能力。

针对战时物资储供能力评估缺少有效模型算法的问题，分析了储供基地战时物资供应保障的主要影响因素和关键环节，建立了储供基地支援保障能力评估指标体系，提出综合运用定义量化、考核评价、模糊算法、层次分析、排队网络和指数综合等算法，计算其人员素质、仓储、装卸、投送、指挥控制、信息保障等指标的值，最后给出了综合保障能力评估模型算法。实例分析验证了所提算法的有效性，为战时作战物资仓储供应保障辅助决策和信息系统设计提供依据。

为了提高多无人机在编队集结过程中的稳定性, 提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary, IQuatre)算法的无人机编队集结方法。首先, 基于分布式模型预测控制(distributed model predictive control, DMPC)建立无人机编队的运动预测模型, 通过预测无人机的“未来态”规避编队内碰撞风险, 滚动优化的数学模型提高了无人机到达指定位置的稳定性, 使得无人机更好、更快地加入编队飞行; 其次, 对Quatre算法进行种群优化改进, 将携带最优基因的父代个体有选择性地加入子代种群, 加快种群收敛。实验结果表明, 基于DMPC的无人机编队集结未出现碰撞情况, 减小了无人机调整状态过程中出现的位置偏差; 对比仿真验证了IQuatre算法能够提高编队集结的稳定性, 较原Quatre算法减少了5.2%的平均迭代次数, 在计算时间上节约了4.6%, 位置误差减小了0.45 m。

无人机(unmanned aerial vehicles, UAVs)的任务规划包含任务分配、执行顺序确定以及航迹优化等。为了达到任务规划的全局最优，需要全盘梳理任务的各个方面，提出高效的优化策略。综合考虑任务规划过程中任务分配、执行顺序确定以及航迹优化等方面的需求和相互间影响，首先从优化框架出发, 设计了双层互耦的任务规划求解策略, 而后将任务规划模型分为上层任务分配和下层任务序列优化, 并对每一层的优化方法和优化步骤进行了详细设计。在任务分配问题中, 基于模拟退火算法, 提出了可跳出局部最优的模拟退火-撒点(simulated-annealing-shooting, SAS)算法, 并详细探讨了算法参数的设计原则。最后通过仿真分析, 验证了所提出的规划框架和SAS优化算法的有效性。

舰载机机库维修能力是制约舰载机机群可用度乃至出动、作战能力的关键要素, 为提升舰载机机库维修效率并减轻传统人工制定维修计划的负担, 研究了舰载机机群机库维修任务调度方法。首先, 系统分析了舰载机机群机库维修任务调度的作业流程模式, 基于维修资源约束, 面向实际维修任务需求, 提出了将舰载机机群波次可用度指标和机库维修人员负载均衡性指标作为分层优化目标, 建立了舰载机机群机库维修任务调度模型。其次, 将模型抽象为多技能资源受限项目调度问题, 提出了基于资源约束推进的串行调度机制, 并设计了混合教与学优化算法。最后, 通过设计仿真案例和算法对比, 验证了模型和算法的可行性与有效性, 所提出的混合教与学算法具备更好的收敛速度和优化性能, 有一定的工程借鉴意义。

针对多属性决策与评价问题中投影法存在平面空间一系列评价失效情况, 提出了一种相似度一致性的投影决策法。首先, 给出了理想偏移向量的定义, 其中包含了理想决策的偏移程度和决策者的偏好; 其次, 根据理想偏移向量, 构造了一种新的综合评价函数; 然后, 按照投影决策法的基本步骤, 得到各方案的综合评价值。有效性分析表明, 新提的方法对模相似度、距离相似度、余弦相似度和方向相似度都有综合考量, 从而能避免单一相似度的不全面和综合评价函数的失效。最后, 通过案例分析验证了方法合理有效。

为体系化、智能化提升自然语言处理中实体链接任务的准确率, 同时解决图谱噪声混杂、关系稀疏等问题, 基于第三代人工智能知识&数据双轮驱动思想提出一种双向循环进化的实体链接与知识推理框架。基于知识图谱下的实体链接技术设计正向进化模块, 基于知识推理与元学习等技术设计反向进化模块, 多次循环双向控制过程实现两任务在弱监督下自我迭代和智能升级。实验表明, 在模块化设计加持下, 该框架可从特定领域文本习得特定领域知识, 并实现快速增量更新, 有效提升实体链接、知识推理效率; 同时兼具开放性, 为各业务领域小样本下文本分析能力的迭代升级提供新方法。

针对阵地防空中大落角机动目标较难拦截的问题, 首先采用最优控制理论设计了具有攻击角约束的最优制导律, 为提高最优制导律的鲁棒性，结合变结构控制理论设计了带攻击角约束的最优滑模制导律。考虑到目标弹道倾角通常难以测量的问题, 采用扩张状态观测器对目标弹道倾角进行估计。基于李雅普诺夫稳定性理论对最优滑模制导律进行稳定性分析, 设计了能保证系统稳定的参数变化函数。仿真结果表明, 最优滑模制导律能以期望的攻击角和较小的脱靶量命中目标, 制导过程中指令变化较为平稳, 对目标的加速度机动具有较强的鲁棒性。

为了解决经典缓变故障检测法——自主完好性监测外推法(autonomous integrity monitoring extrapolation, AIME)在组合导航中检测故障延迟时间较长和不能准确判定故障结束时刻的问题, 提出了基于抗差估计和改进AIME的缓变故障检测方法。该方法采用标准t分布和IGG-Ⅲ (Institute of Geodesy & Geophysics Ⅲ)方案设计自适应增益矩阵以缓解卡尔曼滤波故障跟踪的影响。同时, 结合AIME故障检测状态, 提出由外推法和残差卡方检验(residual chi-square test method, RCTM)故障检测统计量构成的r_A/R统计量概念, 然后在AIME检测到缓变故障的状态下利用样本分位数原理对r_A/R序列进行异常值检测, 从而判断缓变故障结束时刻。仿真结果表明, 在检测缓变故障时, 所提方法可明显缩短故障检测延迟时间, 并能够准确判定故障结束时刻。

针对传统的传递对准模型在大失准角下的强非线性问题以及由残余杆臂误差导致的传递对准精度下降问题, 提出了一种改进的惯性系传递对准算法。首先, 对子惯导姿态矩阵进行链式分解, 得到常值姿态矩阵; 然后, 利用罗德里格斯参数等价替代该常值姿态矩阵, 建立关于罗德里格斯参数和残余杆臂误差的具有弱非线性量测的传递对准模型; 最后, 利用非线性滤波对状态进行估计。基于摇摆运动的仿真实验表明, 在存在大安装误差角以及残余杆臂误差情况下, 算法相比于现有方法, 对准速度更快, 对准精度更高, 在5~10 s内即可完成传递对准。车载试验结果也间接说明算法具有更高的传递对准性能。

针对近地天体与空间目标光学观测资料初轨确定过程中求解Laplace或Gauss八次方程时遇到的多个根无法判别的问题, 提出了一种有效的选择算法。通过构建Laplace八次方程, 分析了八次方程系数与根的个数之间的关系。利用观测平台地心距对八次方程进行归一化, 消除了平凡解, 并分析了方程非伪解个数与观测几何之间的关系。从求解半通径的方程出发, 利用Shefer方程, 推导了斜距约束, 得到了观测时间间隔和斜距变化量之间应满足的方程组的解析形式, 给出了利用该方程组判别非伪解的方法。最后, 对近地天体和空间目标的初轨确定进行了仿真验证, 仿真结果表明本方法能快速且有效地选择出正确的根, 解决了多个非伪解难以选择的问题。

针对未来愈发频繁的商业亚轨道发射活动, 为降低亚轨道突发解体事故给民航客机带来的运行风险, 提高空管监视系统对危险情况的应急响应能力, 利用协方差传播算法对亚轨道解体事故碎片落点进行快速预测。该算法围绕线性化的标称轨迹, 将碎片落点预测的随机过程建模为高斯-马尔可夫过程。同时, 通过概率密度函数构造高斯-马尔可夫过程在一定置信度下的概率椭球, 量化碎片落点在标称轨迹附近的位置。在此基础上, 参照航天器标准解体模型, 对影响碎片传播轨迹的弹道系数进行推导计算。仿真结果表明, 该方法可有效提高碎片危险区的预测准确度。

调制指数大于1的扩频连续相位调制(spread spectrum continuous phase modulation, SS-CPM)信号是一种极具潜力的卫星信号调制方案, 然而其多峰特性容易导致非正交多址接入(non-orthogonal multiple access, NOMA)条件下的错误捕获。针对这一问题, 本文建立基于NOMA的SS-CPM信号模型, 提出一种基于状态转换的碰撞跳跃检测算法, 分析所提算法在不同发射功率、用户数、相对时延以及调制指数下的捕获性能。仿真结果表明, 所提算法适用于NOMA条件下的SS-CPM信号捕获, 且用户数较少、发射功率相近, 相对时延较大或调制指数较小时, 具有更优的捕获性能。

本文研究了考虑攻防对抗态势与最小信息流要求的固定翼无人机(unmanned aerial vehicles, UAVs)编队构型与通信拓扑优化问题。建立了编队构型指标体系, 给出了大规模集群分层编队构型设计模型和编解码方法, 提出了基于态势场的队形模型, 采用粒子群算法开展了队形参数优化。建立了通信网络拓扑效能指标体系, 提出了通信代价模型, 给出了基于Q学习的网络连通性控制算法。仿真算例验证了所提方法的有效性。

针对短波认知电台在网络高负载情况下频点冲突严重的问题, 依据短波频点衰落特性, 结合真实在线双拍卖模型, 提出了基于冲突分解的真实在线双拍卖(trueful online double auction based on conflict decomposition, TODA-CD)模型。在TODA-CD模型中, 卖家模型考虑不同链路间差异性, 重构卖家定价模型, 提升了链路可靠性; 买家模型以预期收益最大化为优化目标, 首先利用广度优先搜索算法生成频点冲突树, 解析短波认知网络内频点冲突关系, 然后设置频点抢占切换惩罚函数, 计算不同切换方案预期收益, 重构买家竞拍价格, 以第二密封价格拍卖完成频谱交易, 最终实现网络内频点指配的抢占最优。仿真结果表明, 在网络高负载情况下, TODA-CD算法能够有效提高频谱利用率, 降低抢占切换次数, 从而提高系统收益。

为降低大规模机器类型通信基站端多用户检测的复杂度, 结合活跃设备在相邻时隙间的相关性和梯度追踪算法提出了相关性辅助的梯度追踪多用户检测(correlation-assisted gradient pursuit multi-user detection, CAGP-MUD)算法, 不仅避免了矩阵求逆的过程, 还减少了除第一时隙的其他时隙的迭代次数。为了进一步降低多用户检测算法的复杂度, 在CAGP-MUD算法框架内引入决策衰弱的思想, 对梯度最大值进行衰弱, 并以此作为阈值, 每次迭代可挑选出多个活跃设备, 以减少迭代次数, 称为相关性辅助的组梯度追踪多用户检测算法。对提出的两种算法进行了复杂度计算。理论分析和仿真实验表明, 和同类算法相比, 这两种算法的计算消耗降低了60%以上。

针对置换相关键控(permutation correlated shift keying, PCSK)存在信号间干扰且误码率(bit error rate, BER)较高的问题, 对其进行改进并提出了新型正交降噪相关延迟移位键控(quadrature noise reduction correlation delay shift keying, QNR-CDSK)通信系统。通过设计一种新的正交混沌信号发生器, 产生两路严格正交的混沌信号, 将这两路信号分别作为参考信号和信息承载信号并复制P次后叠加传输, 从而消除信号间干扰。随后使用滑动平均滤波器对接收信号进行滤波处理, 降低系统BER。最后在加性高斯白噪声信道和瑞利衰落信道下推导了系统的BER, 并进行蒙特卡罗仿真验证其性能。结果表明, 与PCSK系统相比, 该系统具有更好的BER性能, 为混沌通信的实际应用提供了参考价值。

针对高速移动正交频分复用系统, 提出了一种基扩展模型(basis expansion model, BEM)下基于长短期记忆(long short-term memory, LSTM)神经网络的时变信道预测方法。为了降低传统BEM的建模误差, 根据高速移动环境中不同列车在相同位置处的无线信道具有强相关性的特点, 首先基于历史时刻的信道状态信息获取最优的基函数, 并利用该基函数对信道进行建模。然后, 通过LSTM神经网络对信道基系数进行线下训练与线上预测来获取未来时刻信道信息, 大大降低了计算复杂度。在线下训练中, 将网络的逼近目标设置为信道估计值, 而不是理想的信道信息, 以增强预测模型的实用性。仿真结果表明, 相比现有方法, 新方法的计算复杂度较低, 且预测精度较高。

为了解决超出手册范围的民机结构维修问题, 提出一种基于相似体系的民机结构超手册维修案例体系模型。通过提取航空公司现有民机结构案例的损伤信息和维修方案信息, 依据信息性质, 采用数值分析、层次法、属性度量、术语频率-逆文档频率(term frequency-inverse document frequency, TF-IDF)方法进行系统的相似度分析, 建立案例相似度指标体系。导入维修案例数据, 通过支持向量机(support vector machine, SVM)分类以及弹性网络回归对指标体系进行权重分配并验证其可靠度达到82%。最后通过实例深度分析了该体系的可行性, 实例证明, 案例相似度指标体系的权重分配与区分效果总体符合实际, 对民机结构超手册维修案例的制定有着重要参考意义。

随着民机系统复杂程度不断提高, 传统的安全性分析方法已不能完全满足危险源高效识别的要求, 为有效分析和评估民机系统安全性, 提出系统理论过程分析(system-theory process analysis, STPA)和网络分析法(analytic network process, ANP)相结合的安全性分析方法。针对STPA没有给出完整的关键致因分析与评估过程, 将STPA与ANP关键结构对应结合, 对危险控制动作进行致因分析和评估, 得到危险控制动作关键致因。以某型民机数字式飞控系统为例展开分析, 通过形式化建模验证及仿真验证, 证明该模型方法可以准确和完整地识别分析系统潜在危险并确定危险关键致因, 为民机系统安全性分析提供支持。